「腾讯员工实践」校招入职两年，我用 WorkBuddy 零代码搭出校招工作台

“在我搭建校招工作台的整个过程中，最困难的部分其实是‘把需求讲清楚’这件事。准确地说，是把自己大脑里的想法和需求，转化成 AI 可以理解并执行的规则和流程。”
——阿来，腾讯财经线 HR 团队招聘经理
阿来，腾讯财经线 HR 团队招聘经理，校招入职腾讯两年。过去半年，他借助 WorkBuddy 和腾讯 HR 数智专家等 AI 工具，探索了十几个 AI 应用——从自动化招聘周报、活水海报生成器等单一工具，到一个覆盖需求进度、面试管理和实习考核环节的全流程校招工作台。
接下来，就让我们跟随阿来的讲述，看他是如何通过 WorkBuddy 和腾讯 HR 数智专家，把原本零散的校招工作，逐步变成团队可以持续使用的系统；又是如何在持续搭建和迭代项目的过程中，形成一套与 AI 协作的方法论。
一、起点：将业务需求转化为 AI 可执行的规则
作为一位非技术背景的 HR，在 2025 年下半年之前，我对编程的理解几乎为零，甚至连“前端”和“后端”都分不清。
后来，我接触到了 Vibe Coding 这个概念，大意是：使用者不需要懂编程语法，而是可以直接通过自然语言说明目标和需求，让 AI 参与应用的设计与开发。
我把这种方式称为“点菜式编程”。传统开发更像亲自下厨，需要掌握火候、刀工、调味，也就是具体的技术实现路径；而与 AI 协作开发就像是在餐厅点餐，我只需要明确“点什么菜”，也就是自己要解决什么问题，剩下的交给 AI 完成。
需要澄清的是，“点菜”并不是一件轻松的事，你需要知道自己究竟想要什么口味、明确预算、知道忌口等等。这恰恰是大多数人的困境——不是不知道自己想要什么，而是不知道如何讲清楚自己的需求。而一旦需求模糊，AI 给出的结果就容易偏离实际。
因此，在这个过程中，最关键的是把“我想做一个校招工作台”这样一个需求，拆解为具体的使用对象、业务场景和判断规则。
二、核心实践：用一个工作台串联校招全流程
作为招聘经理，我通常同时负责 5—6 个部门的招聘需求，既要承担校招和社招的具体交付，也要从整体视角跟进招聘大盘和日常进度。以 2026 年上半年为例，仅校招，我就直接对接了约 70 名面试官。
在校招工作台出现前，一个实习生的招聘工作通常需要经过以下流程：
1.接到部门需求，在招聘台账中记录招聘方向、岗位画像和预期节点；
2.前往招聘系统检索简历，将候选人推荐给对应面试官；
3.分别从面试官和候选人入口查询简历处理、面试安排、面评填写等进度；
4.候选人进入录用阶段后，从录用入口确认 Offer 和入职状态；
5.实习开始后，另建台账记录实习天数、月度反馈、留用预期和考核结果。
招聘系统已经很好地支撑了每个环节的正式操作，但如何更加无感、顺滑、便捷地完成实习生全生命周期的跟进操作，是我一直思考的问题。
以简历推荐为例：假设我同时向 10 位面试官各推荐了 8 份简历，那就意味着需要持续跟进 80 份简历的处理状态——面试官有没有查看？有没有发起面试？面评填了没有？这些信息散布在不同的模块里，招聘经理需要逐一去核查、判断，再结合时间节点决定是否需要做进一步提醒。
这个过程本身并不复杂，但重复的“核查—判断—提醒”循环占用了大量精力。我尝试过用智能表格整合相关字段，但这只能改善信息的呈现方式，数据仍然需要人工导出、导入和更新，并没有真正解决流程分散的问题。如果能把这些分散的信息整合到一个统一的视图中，招聘经理就能更直观地看到招聘状态的变化，整个协作效率会提升不少。
当时，腾讯 HR 技术团队推出了 HR 数智专家，基于 HR 领域底层数仓报表的开放，帮助打通了相关应用从想法到开发直至部署上线的全流程。于是我开始尝试借助 AI，把自己的想法变成现实。
最初，我向 WorkBuddy 提出的需求很简单：“我想做一个校招工作台，方便查看校招面试的进展。”
WorkBuddy 没有直接开始搭建，而是先问我：这个工作台究竟要解决谁的痛点？
这个问题让我意识到，自己原本的想法并没有那么清楚。一个完整的校招流程包括了面试官、招聘经理、HRBP、实习生导师等多种角色，不同角色面对的痛点并不相同。和 WorkBuddy 围绕这些问题又讨论了几轮后，我决定先解决当时对招聘经理而言最紧迫的痛点：把分散的面试进度集中呈现出来。于是，我搭建了一个面试看板，看板围绕一个核心功能展开——让招聘经理能够快速查看每名面试官和候选人当前处于哪个阶段。
页面可以快速生成，真正困难的是把页面背后的业务规则讲清楚——看板权限应该如何划分，谁可以查看全部数据，谁只能查看自己负责的部门；什么情况算“已入职”；哪些候选人还处于“面试中”——这些判断过去大多存在于我的经验里，从未被完整地整理出来。
在和 WorkBuddy 讨论的过程中，每当我的描述不够准确时，WorkBuddy 就会继续追问：“哪个字段代表已经安排面试？”“什么条件说明‘已入职’？”这些问题看起来只是字段的定义，却会直接影响页面上的数据是否准确。如果规则没有说清楚，同一个指标就可能被理解成不同的含义。因此，我需要基于真实流程逐项核对，每发现一处偏差，就补充规则、修正公式，再回到页面验证。随着这些规则被逐步写入项目，后续新增或调整字段时，我可以直接在已有规则的基础上继续修改，不必每次从头解释，有效节省了时间成本。
也是在这个过程中，我第一次觉得，自己真正把这项业务理清楚了。
第一版供团队试用后的第二天，就有同事来问我：“待办页面上的这个数字，是怎么算出来的？”
那一刻我意识到，这已经不再是一个只供自己测试的页面。有人开始使用它，也开始依据页面上的数据理解和推进工作。每一个数字是否准确、每一条规则是否成立，都需要经得起真实业务的检验。接下来的四周里，我和团队伙伴重新梳理了校招的完整流程。随着使用反馈的累积，我们发现，面试看板解决的仍然只是局部问题——招聘经理真正需要跟进的是一条完整的校招流程。要进一步减少人工跟进，就需要搭建一个能够把前后环节真正串联起来的全流程工作台。
于是，工作台从单一的面试监控向前延伸到需求管理、向后覆盖到实习考核，经过约一个月的搭建与调整，逐步形成了三个相互衔接的核心板块，对应了一名候选人从进入招聘流程到完成实习考核的完整流程：
• 需求管理：查看校招和实习生需求总量、签约率、完成率，以及各部门的需求进度；
• 面试管理：从整体、部门、面试官和候选人等不同视角查看面试趋势、通过率、待处理流程和滞留情况；
• 实习考核：跟踪实习天数、月度反馈、考核状态和留用结果，并在实习考核前生成完整的实习生资料包。
校招工作台的出现改变了我原有的招聘工作流。过去，面对几十名面试官和候选人，我需要在招聘系统的多个入口之间来回切换，逐个搜索简历处理、面试安排和面评填写情况，再人工判断哪些流程仍然停滞、哪些角色需要提醒。现在，各类信息被串联到同一条流程中。打开工作台，就能看到当前的待处理数量、滞留时长和异常部门，我不再需要先花大量时间收集和核对数据，而是可以直接从结果出发，判断问题、沟通进度——例如根据待办事项和滞留情况，联系对应的面试官或业务负责人。在校招集中期，工作台将相关跟进工作的耗时减少了约一半。
目前，校招工作台已经正式部署在了腾讯 HR 内部的 HRClaw 平台²，这里聚集了腾讯 HR 探索上线的上千个应用。校招工作台的浏览量达 3000 次，目前已在腾讯 HR 招聘团队广泛使用。
三、方法论：用好 AI 的 3 个关键动作
回看校招工作台搭建的过程，我发现，真正推动它不断完善的并不是某项具体的技术，而是 3 个反复出现的动作：先定义业务问题，再讲清业务规则，最后让结果进入真实场景。
这 3 个动作也持续贯穿着我的其他 AI 项目，并逐渐沉淀为了一套可以复用的方法论。
1.先定义业务，而不是先定义工具
不要从“我要做一个系统”开始，而要先回答：当前最需要解决的问题是什么？
你可以直接对 WorkBuddy 说：
我是【你的岗位】。我想做一个【业务场景】工具，解决【具体问题】，现在我有【具体的信息/工具/接口】。请先帮我拆解：它应该包含哪些模块？每个模块要解决谁的什么问题？
好比校招工作台的起点不是“我要做个看板”，而是“招聘经理不知道对接了多少面试官、不知道每个同学现在走到了哪个流程”这个痛点。
问题定义清楚后，页面和功能才有依据。
2.把规则写清楚，再交给 AI 执行
这是最容易被忽略也最重要的一步。权限怎么分、数据从哪里来、口径怎么定……这些细节不能留给 AI 自行猜测。
你可以对 WorkBuddy 说：
请把这些业务规则写进系统：
（1）谁能查看……的数据，按角色和部门区分；
（2）状态口径这样定义……；
（3）流程节点按……推进。
过去凭经验完成的判断，必须拆解成清晰的业务规则：什么情况下触发、采用什么统计口径、遇到例外如何处理。这个过程没有捷径，必须通过与 AI 反复讨论、验证和修正，直到双方对每一条规则的理解一致，系统才能稳定执行。
3.先让结果进入真实场景，再根据反馈调整方向
不要追求第一版就覆盖所有流程，先保证它能够解决一个核心场景中的真实问题，并尽快交给实际使用者验证。上线之后再观察：哪些环节仍然卡顿、哪些数据与实际情况不符、用户还需要哪些信息，据此决定保留、调整或新增功能。
让每一次迭代都有真实反馈作为依据，而不是围绕预想中的需求不断堆叠功能。
通过上述实践与复盘，我越来越明确人与 AI 的分工：我负责提供业务目标、判断和规则，AI 负责实现，并在明确的边界内补充细节。业务表达得越清晰具体，AI 越能准确执行，并在已有基础上持续迭代。
写在最后
阿来告诉我们，WorkBuddy 帮他形成了一种能力——在一次次提问、澄清和验证中，他逐渐学会把模糊的业务问题拆解成明确的目标，把依赖经验的判断转化为具体的规则，并将这些规则落到实际工作中。在 AI 时代，这种能力尤其珍贵。通过 WorkBuddy，阿来把对业务的理解真正变成了一套可以运行的系统。那些过去只存在于个人经验中的业务判断，开始被清晰地表达、稳定地执行，并逐渐成为团队可以共同使用、持续完善的工作方法。
工具会不断更新，但这种重新定义工作方式的能力，或许才是这段 AI 实践最核心的价值。
腾讯 HR 数智专家¹：面向HR场景的一站式智能助手，打通真实业务数据、专业知识库与应用开发能力，支持一键部署上线
HRClaw²：通过腾讯HR数智专家搭建的应用，可自动部署至 HRClaw，实现从创建、发布、权限管理、迭代到下线的闭环管理

新闻中心

相关阅读

全国首个！山东莱州启动教育智能体全域部署

用这个Skill接管浏览器干活，40分钟帮我查完27家店和50条评论

WorkBuddy × 企业微信：8 个让办公更省事的实用技巧